ArtHOI4D 真机扩展：Related Work 必读清单（14 篇）¶

读者：已参与 ArtHOI4D、已理解现有 reconstruction / CoDA / physics pipeline 的本科生；目标是做 articulated-object 的真机 humanoid 扩展。

原则：这不是“humanoid 领域入门书单”，而是回答一个窄问题：怎样把已有的 articulated 4D reference 与 physics result 接成一个安全、可观测、可复现的真机闭环。文献截点为 2026-07-30；preprint 不应被当作同行评审共识。

先看全局：真机版本缺的是什么¶

当前项目已有 asset / reconstruction / simulation / evaluation 的主体。真机扩展最缺的不是更多的 HOI generation，而是下列接口：

\[ \text{scene / image / language} \rightarrow \text{robot-compatible reference} \rightarrow \text{whole-body tracker} \rightarrow \text{contact-driven }q \rightarrow \text{safety + evaluation}. \]

下面 14 篇分别覆盖这条链的一个关键接口。每篇阅读时都记录五件事：robot 与传感器、policy input/output、privileged state、真机安全措施、success 定义。

A. Humanoid motion foundation（3 篇）¶

Perpetual Humanoid Control for Real-time Simulated Avatars (PHC) — ICCV 2023。大规模、带噪 reference 的 physics tracking 与跌倒恢复；用于理解低层 tracker 为什么不能被高层视觉模型直接取代。
Universal Humanoid Motion Representations for Physics-Based Control (PULSE) — ICLR 2024。把动作模仿器蒸馏成可复用 motion latent；用于理解 whole-body motion prior 和 interaction residual 如何分层。
SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control — 2025 preprint。可扩展的 whole-body tracker，并提供接 VR、视频和 VLA 的统一 motion-token interface；是真机路线最重要的当前控制底座。

B. 从视频 / 合成场景到真实 humanoid（4 篇）¶

GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video Priors — 2026 preprint。3D asset / 场景与 video prior 合成 metric 4D HOI，训练 object-aware tracker 并部署到 G1；它是 ArtHOI4D 最相似的真机链条。
VLK: Learning Humanoid Loco-Manipulation from Synthetic Interactions in Reconstructed Scenes — 2026 preprint。VLK = Vision–Language–Kinematics：在 metric 3DGS 场景合成 image–language–kinematic supervision，高层预测短时 whole-body trajectory、低层 tracker 执行。重点看这两个层之间的接口。
HDMI: Learning Interactive Humanoid Whole-Body Control from Human Videos — 2025 preprint。单目人类视频 → retargeted reference → robot–object co-tracking policy → G1；重点看 unified object representation、residual action 和真机验证协议。
SPIDER: Scalable Physics-Informed Dexterous Retargeting — 2025 preprint。用 physics-based sampling 和 virtual contact guidance，把 kinematic human demonstrations 变为动态可行的多 embodiment robot trajectories；直接补 human-to-robot retargeting 这一环。

C. Articulated contact、部件与关节状态（3 篇）¶

CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects — 2025 preprint。项目已有的直接来源。只需重新阅读其与真机有关的 contract：body/hand/object/joint representation、接触约束，以及 physics rollout 的 success 定义。
ArtiGrasp: Physically Plausible Synthesis of Bi-Manual Dexterous Grasping and Articulation — 2023。关节物体不是“跟踪物体 pose”就够了：需要稳定 grasp、精细手部控制和 articulation curriculum。重点看它怎样从简单静态单手逐步升到动态双手。
GAPartNet: Cross-Category Domain-Generalizable Object Perception and Manipulation via Generalizable and Actionable Parts — CVPR 2023。真机必须识别 handle、lid 等 actionable part，并估计 part pose；这是把当前 asset annotation 转成真机感知目标的最好锚点。

D. 真机数据、执行与安全（3 篇）¶

ALOHA 2: An Enhanced Low-Cost Hardware for Bimanual Teleoperation — 2024。即便最终控制对象是 humanoid，也应先理解可复现 demonstration 的硬件、同步、system identification 与日志要求；它是采集/回放的系统性参照。
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion — RSS 2023 / IJRR。若第一版需要真机 imitation-learning baseline，它比从零训练 VLA 更合适；重点看 receding-horizon action chunk 与控制频率。
A Contact-Safe Reinforcement Learning Framework for Contact-Rich Robot Manipulation — 2022。把 contact force、joint-space constraint、异常碰撞响应写进运行时 safety layer；真机 trial 前必须读。

E. 高层视觉–语言接口（1 篇）¶

Isaac GR00T N1: An Open Foundation Model for Generalist Humanoid Robots — NVIDIA technical report / release。只在要做语言指令、第一人称视觉或高层 task selection 时阅读。它应位于 SONIC / VLK 风格低层 tracker 的上游，不是第一版 articulated contact controller 的替代品。

第一版真机项目的边界¶

第一版建议是：一台指定 humanoid、一个固定安装的 drawer/cabinet/door、一种低速动作、可重复初始位姿、以接触改变 joint state \(q\) 为唯一主成功条件。完成 state-based sim-to-real 和安全日志后，再增加 onboard vision、语言和多物体泛化。

有意移出主清单的 DeepMimic、MaskedMimic、PhysHOI、ARCTIC、DROID、Open X-Embodiment、OpenVLA/\(\pi_0\) 等，并非不重要；它们要么是本项目成员已具备的背景，要么对首个真机闭环不构成瓶颈。需要时可从完整 Articulated HOI 相关工作综述回查。

检索与筛选说明¶

本清单保留“真实 humanoid 的 whole-body tracking / loco-manipulation”“human/video-to-robot retargeting”“passive articulated contact / actionable part”“真机 data collection、policy execution、safety”四类一手来源。筛选时优先真实机器人验证、可复用的系统接口与 ArtHOI4D 当前缺口；只保留 14 项，且对近期工作明确标注 preprint。

顺序	论文	读完后的项目产出
1	PHC、PULSE、SONIC	画出本项目拟采用的 `high-level reference → whole-body tracker → robot action` 接口，并列出 real/sim state 的差别。
2	GRAIL、VLK、HDMI、SPIDER	写一页 data contract：真机可观测什么、哪些是 simulator privilege、reference 如何 retarget、失配后如何恢复。
3	CoDA、ArtiGrasp、GAPartNet	为单个 drawer / cabinet / door 定义 link、joint axis/type、handle、contact region、目标 \(q\) 与失败标签。
4	ALOHA 2、Diffusion Policy、Contact-Safe RL、GR00T	写真机 SOP：采集/回放、速度和力限制、保护停止、人工接管、日志格式、trial success/failure。